恭喜 llama.cpp 和 ggml 双双达到 1.0（宣布稳定，并从 llama.cpp 的公共头文件中移除了 35 个废弃函数），同时 SGLang 也在最近的 SGLang Summit 上宣布了 1.0。不过，今天的主角是《No AI Slop 宣言》，它源于 AIE CODE 大会上的讨论，由 Dex 在闭幕主题演讲中提出，并获得了大会上许多演讲者的联署。

Hacker News 似乎也很喜欢它，今天把它顶上了首页。我们发起这份宣言，是为了给工作中的讨论提供一个有用的工具，希望它能被这样使用。

完整宣言、联署名单、修改与讨论均在 https://www.slopmanifesto.com/ 开放。

由 Deepgram 赞助

Deepgram 是自然对话背后的语音 AI 基础设施——为构建语音 AI 的团队提供语音转文字、文字转语音、专注语音的 LLM 以及 agent。无论你使用什么技术栈、喜欢用什么工具，Deepgram 都能作为你的基础语音 AI 技术无缝接入。控制权在你手中。而我们拥有上下文，能像人一样倾听、理解和说话。

了解更多关于 Real-time Context Standard 的信息。

由 Backblaze B2 赞助

增长不该让你焦头烂额。Backblaze B2 提供随业务扩展的容量存储，并以 Tbps 级吞吐为 flash 和 GPU 持续供数。

来测试一下 B2 吧！

更多咨询请联系 business@latent.space。感谢 Deepgram 和 Backblaze 对 AINews 的支持！

AI Twitter 回顾

本地推理与 agent 基础设施

• llama.cpp 1.0。运行超出 GPU 显存的 MoE 模型的用户，现在可以为常用 expert 预留一块缓存。Georgi Gerganov · Daniel Han Chen 的示例
• LangChain 的 C 轮融资。由 CapitalG 领投。LangSmith 让团队能够跨框架追踪和评估生产环境中的 agent。公司计划于 11 月 20 日发布 LangSmith 新功能。LangChain · CapitalG

前沿与开放模型发布

• Gemini 4 Hydrogen 登陆 GitHub Copilot。GitHub 已将该模型在其 Copilot 应用、CLI 和 VS Code 中全面开放。GitHub
• 独立评测：Roboflow 的视觉基准显示，high effort 下每张图耗时 29.3 秒，而 Argon 为 51.4 秒，Carbon 为 132.3 秒，不过 Carbon 的检测准确率更高（@skalskip92）。一项 3D 建模测试发现，Hydrogen 比 Argon 更贵，因为它在过度验证上反复循环（@dzhng）。
• Google 的一周：Google 还发布了两款第八代 TPU、Gemini 4 Carbon、Gemini Robotics 2.5、AlphaGenome 2 以及 Decisions API（@sundarpichai）。
• MathArena：Gemini 4 Carbon 夺得第一，取代了 GPT-6.1 Sol（@j_dekoninck）。
• Claude Fable 5.2 登陆 Agent Arena。Arena 公布了长时编程会话的新结果。
• 定价：API 价格从每 100 万 input/output token 的 $10/$50 降至 $8/$40（@arena）。
• Agent Arena：该模型以 +30.4% 的净提升排名第一，约为 Opus 5.5 的 1.6 倍。其领先优势在长任务上进一步扩大，在 16 轮以上对话中达到 93%，而无需纠正的回复为 85%（@arena，轮次）。
• Thinking Machines Inkling 2 Small：该模型的开放权重现已上线 Hub（@ariG23498）。它在 Code Arena WebDev 中以 1647 分成为美国第一的开放模型（@arena）。
• NVFP4 训练：从第一次预训练步骤到最终的 RL rollout，全程采用原生 4-bit 前向传播（博客）。混合精度方案由 @jackcookjack 详细说明。NVFP4 的存储位数比 BF16 少 3.6 倍，在 GB300 上运行速度最高快 6 倍（引述）。
• 推理细节：宽度为 4 的短卷积需要在 KV cache 之外，每层额外维护一个滚动 3-token 缓存（@andrew_n_carr）。
• ERNIE 5.5 Flash Preview（百度）：该模型总参数 280B、激活参数 14B，上下文长度 100 万 token，并在 OpenRouter 上免费开放。承诺在 11 月 25 日前开放权重（@omarsar0），Arena 提到采用 Apache 2.0 许可。
• 其他发布：
• Ripple-65B Preview：这款 dense 模型声称在 agentic coding 上达到美国开放权重 SOTA（@RicursiveAI）。
• MiniMax H3-Image：它是 Artificial Analysis 图像编辑和 T2I 榜单上排名第一的开放权重模型（@ArtificialAnlys）。
• DeepSeek API：DeepSeek 通过 API 开放了其应用功能，包括搜索、文件、OCR、ASR 和 TTS，工具费用单独计费，并提供开源前端（@deepseek_ai，定价）。
• ChatGPT Wallet：该功能让 Dot agent 无需看到卡号即可购买商品，支持 Amex、Mastercard 和 Visa（@TheRundownAI）。

独立评测、基准与决策模型

• AA Coding Agent Index v2.1：此次更新切换到 FrontierCode 2.0 和 Terminal-Bench 4.1（@ArtificialAnlys）。
• 领先者：Fable 5.2 和 Opus 5.5 以 58 分并列。平均分下降了 5 分；Codex 中的 GPT-6.1 Terra 是唯一没有下滑的配置。
• 成本差异：在得分 48+ 的配置中，每任务成本从 Codex 搭配 GPT-6.1 Sol 的 $1.51，到 Fable 5.2 在 max 档的 $44.22 不等。Fable 在 medium、high 和 xhigh 档均位于帕累托前沿（成本）。
• 网络安全与 agent 基准：
• 腾讯 Hy4：该模型在 AA Cyber Index 上得分 58%，排名第三；在 CWE-Bench-AA 上得分 76%，排名第一。每任务成本 $0.92（@ArtificialAnlys）。
• Agent Initiative Benchmark：GPT-6.1 Sol 以每任务 $0.11 对 $1.87 击败 Fable 5.2。不必要地进行干预的模型会多花约 80% 的时间和金钱（@jakubjurovych）。
• 推理投入：在 HF Harness Leaderboard 上，high effort 使 DeepSeek-V4.1-Flash 贵了 28%，而在误差范围内没有收益。在 GLM-5.3-Flash 上，high effort 带来 5.8 个百分点的提升（@joelniklaus）。
• 成本趋势：Code Arena 发现，在 105 个模型中，到 10 月，击败 4 月顶级模型的成本降低了 20 倍。MiMo-V2.6-Flash 得分超过了 Opus 4.7（@arena）。
• 决策模型浪潮：从 9 月 23 日到 11 月 11 日，超过十余家厂商发布了决策模型，Vercel 报告称目前 26% 的请求通过它们路由（@rasbt）。
• 排行榜：SubQ Snap 1.2 在 AA Decision Index 上以 73 分与 Drex Max v1.1 和 GLiDE v1.2 并列。其提升来自弃答（abstention），而非准确率（@ArtificialAnlys）。
• 使用量：Perplexity 报告称 OpenRouter 上每月约有 10 亿次决策模型请求（@AravSrinivas）。

评测诚信与安全

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）